基于人体口腔气体的疾病分析系统作为体外诊断领域最有前景的重要分支之一，已经引起广泛的关注和研究。疾病分析系统的是针对口腔气体进行分析诊断的，具有易于操作和无创的优点。疾病分析系统的主要工作部件是由传感器阵列组成的电子鼻，电子鼻的技术成本低，速度快，精确度好，被广泛应用到呼吸诊断当中。基于电子鼻系统的呼吸气体分析系统在过去的几十年里已经取得了巨大的发展，然而大多数呼吸诊断系统的研究和使用还处于实验室研究阶段，想在实际应用中进行推广仍然有很远的距离。例如电子鼻中的传感器阵列的不稳定性极大地影响着后续疾病分析、模式识别的准确性。　　气敏传感器的不稳定性具体表现在两个主要方面，一是由于环境因素的影响，如温度、湿度的变化，导致传感器发生漂移，进而使得采样数据发生波动；二是由于制造工艺的原因，使得传感器阵列的输出数据存在误差，造成多台相同的口腔气体分析仪在对相同样本进行采样时输出的采样数据有所差异。本课题将针对上述两种传感器输出信号不稳定的现象进行分析，提出一种标定传感器输出信号的策略，将多台仪器的数据校正到同一标准。　　本课题首先提出一种抑制传感器由于受环境因素影响而输出数据不稳定的策略。在实验室环境中，利用现有的口腔气体分析系统，通过在不同湿度环境下设计采样实验，分析采样数据与湿度变化之间的规律，进而提出一种湿度补偿因子，并且通过最后的模式分类结果来证明湿度补偿因子的有效性。　　本课题针对传感器的不一致性提出一种标准化算法，用来标定多台呼吸气体分析仪。在实验室环境中，通过设计实验，利用多台相同的口腔气体分析仪分别对相同的气体样本进行采样，观察这几台口腔气体分析仪输出数据之间的差异，提出一种在仪器工作中可实际应用的标定算法。　　本课题提出的两种传感器标定策略都在口腔气体分析系统所采集的样本中进行了分类实验验证。同时，在选择标定算法方面，对不同的算法进行应用作为对比实验。大量的实验证明，本课题所提出的标定算法不仅使得口腔气体分析系统具有较高的分类准确率，而且在实际应用中具有很高的实用性。